一种基于强化学习和好奇心的迷宫机器人路径规划方法

摘要

一种基于强化学习和好奇心的迷宫机器人路径规划方法，属于移动机器人技术领域。该模型以强化学习为基础，包括Q‑learning算法，好奇心算法，以及回溯强化。其中，好奇心算法包括一个BP网络，联想记忆网络和内部奖励三部分。算法首先感知所在节点以及状态；随后根据好奇心算法进行好奇心奖励计算，而后根据Q‑learning算法更新公式计算Q值；选择动作；发生状态转移；到达目的地后进行回溯强化；重复以上过程直至学习到最短路径。本发明引入基于预测误差的好奇机制，使得算法对未知环境有更好的探索能力，同时也降低了重复探索的次数，减少了学习过程中的寻路时间。使得机器人在迷宫中能更好更快地寻得最优解。